上海港口的效率测度研究——基于营商环境的视角

徐梦婷，罗贵华，夏志杰 （上海工程技术大学，上海201620）

0 引言

航海运输已经成为不可替代的国际贸易运输方式之一，港口肩负着支撑外贸经济发展的重任，而港口效率关系一个港口甚至国家的贸易竞争力，这在贸易全球化背景下的中国显得更为重要。在突如其来的新冠疫情的影响下，全球的生产和需求都受到冲击，上海港作为我国最大的综合性港口，口岸的营商环境改革已经进入“深水区”，而港口的经济和港口城市都对国家经济发展有重要的带动和推进作用（张丽，2020）[1]，如何提升港口的竞争力和通关效率是对标国际先进港口的重要问题。

良好的营商环境对各国吸引外商投资（李玉梅，2019）[2]，对创新力和竞争力有着极大的正向推动作用。营商环境的提升不仅仅是数字的变化，而是切实有效地有利于经济运转。中国在世行发布的2020年的营商环境报告中，跨境贸易单项指标得分为86.5，世界排名56名，上海作为中国数据中权重55%的样本城市，单项得分87.19，较去年分数提升3.32分。上海在过去的一年中深入改革，出台并实施了一系列政策，尤其是“单一窗口”的设立，企业可以提前申报，大大提高港口的运作效率。“跨境贸易”这一指标与港口的运行效率息息相关，营商报告中，分别对跨境贸易中进出口的物流运输时间和成本进行统计，其中主要分为单证合规和边界合规这两个程序，即细分为8个二级指标，全面地衡量了港口的商业环境和法律环境。

对于港口效率的研究，在国内外一直都有很多，早期的研究更多的是关注单一指标，传统上的港口效率是通过计算港口货物装卸的生产率来分析的（Wayne K，1988）[3]。但是港口的运行依靠的是极其复杂的系统，单一的指标不足以分析港口整体的效率。为了更全面的评估港口的效率，学者们开始了研究方法的新探索，比较普遍的前沿分析法中，又可以分为以下两种方法：参数分析法中典型的线性回归法和随机前沿法（SFA），杨泊（2010）通过实证分析，进而利用得出的总技术效率建立多元回归模型，分析港口上市公司的效率影响因素，对企业效率和所有制结构的关系提出见解，加强宏观环境的建设[4]。艾亚钊（2015）等人使用随机前沿法对我国珠三角的6个集装箱码头进行效率分析，得出了枢纽型集装箱码头效率高于非枢纽集装箱码头的结论[5]。而非参数分析法不需要假设特定的函数表达式，尽量从数据本身获得信息，主要包括DEA数据包络分析法等，Dinga（2015）使用数据包络分析和Malmquist生产率指数测算中国沿海21个中小港口的效率以及与航运公司之间的关系[6]。Tongzon（2001）使用DEA的CCR模型，对1996年澳大利亚的4个港口和其他国际港口，一共16个集装箱港口的效率进行评估，发现港口效率最低的几个港口在劳动力投入和码头泊位等投入方面存在较大的松弛[7]。Ablanedo-Rosas,JoséHumberto等人（2010）使用基于财务比率的DEA模型对中国11个主要港口的相对效率进行了检验[8]。

过去的港口效率研究中从港口的各个方面进行评价测量，但大多是定性分析，定量分析较少，并且几乎没有研究将营商环境这一指标纳入分析范围内。随着研究方法的进步，学者们对于港口效率的研究也在不断的理性和全面。生产投资、技术创新等方面的研究也广泛使用数据包络法，国内外的很多学者也将其运用到港口竞争力和效率的研究上。DEA模型克服了单输入或者单输出指标的局限性，免去了参数分析方法的一系列假设，很适合对复杂的港口系统运作体系进行测评。

国内对DEA方法在港口效率方面的使用也很成熟。杨华龙等学者（2005）利用数据包络分析法，引入虚拟决策单元，定量分析了我国8大港口的相对效率[9]，孙才志等（2009）对中国港口城市的经济运行相对效率进行评价[10]。匡海波（2007）使用超效率CCR模型，从投入成本的角度，对港口上市企业的经营效率进行量化测度[11]。刘名武等（2019）运用DEA-TOBIT两阶段法，对长江中上游的集装箱港口运营效率进行测算，从内部和外部环境分析效率影响因素[12]，李顺（2018）将环境代价纳入评价体系，检验外部环境因素对港口环境效率的影响[13]。因此本文选取上海港口2006～2018年的数据，建立DEA模型。

1 上海港口效率评价模型

1.1 BCC-DEA模型。DEA是由美国的A.Charnes和W.W.Cooper等人一同提出的，综合了数理经济学和管理学，运筹学等多个学科的知识，利用线性规划，以相对有效性为基础的一种非参数分析方法，非常适合多投入多产出的单元。该方法不用主观假设成本和绩效之间的关系，更具有客观性。针对单个研究对象的集规模收益可变的BCC-DEA模型如下，效率评估标准是在投入不变的情况下是否达到产出最大化。

其中：假设有n个DMU单元，单元DMUj（ j=1,2,…,n），且有投入变量xij（ j=1,2,3,…,m）和产出变量yrj（ r=1,2,3,…,s），分别为s个和m个，θ为决策单元的效率值，ε≥0为非阿基米德无穷小量，λ1,λ,…,λn为对偶变量最优解，s+、s-分别为投入和产出的松弛变量，当θ=1，s0+=s0-=0时，DMU有效。综合效率反映港口整体的投入产出效率，纯技术效率值表示港口对现有技术的利用程度以及管理水平高低的影响，规模效率则表示港口的经营规模是否达到最优状态，在实际生产规模和最优生产规模之间作比较，根据综合效率=纯技术效率×规模效率，可以得到规模效率值。

1.2 SBM-DEA模型。BCC-DEA模型假设投入和产出是同比例的增减，SBM-DEA模型考虑了松弛变量，非径向克服了径向没有考虑松弛变量的缺陷，因为不可能所有的投入和产出都是以相同的比例增减来使得DMU得到改进的。通过对松弛变量的优化，实现对投入和产出更加科学合理的反映。SBM-DEA模型的公式如下：

其中：xi0表示DMUj的i维投入变量，yr0表示DMUj的r维产出变量，其他变量含义同上。

1.3 Super-SBM-DEA模型。在BCC模型和SBM-DEA模型下，会出现多个效率值为1的有效DMU，这就意味无法对有效DMU的效率值再进行比较，它们的效率值也许不是相同的。Tone（2002）提出了Super-SBM-DEA模型[14]，将评价DMU从总体DMU中排除，将其他DMU作为参考集，因此会出现效率值大于1的情况，效率值越大则有效性越强。在规模收益设定为可变的情况下，超效率SBM-DEA的模型如下：

其中：变量含义同上。

2 评价体系构建

间接法和生产法作为已有文献中对评价指标的分类结果被较多地使用（匡海波，2007）[15]。间接法将港口企业的生产经营数据作为评价指标，从港口公司的角度评价港口内部运营，后者则是将港口所处的大环境，基础设施等作为指标，直接将港口作为研究主体。本文通过对已有文献的阅读和参考，选择生产法的思想来进行指标的选择。目前国内外关于港口效率的文献中，绝大部分都是将集装箱吞吐量作为输出指标，这是体现港口竞争力的最直观因素，在本文中输出指标也定位集装箱吞吐量（万箱）和货物运输量（万吨）作为产出指标。

在投入指标中，港口所处的宏观环境包括很多因素，有经济环境、法制体系、市场竞争、国家的政策环境等，但是DEA模型对指标数量有要求，DMU的数量要多于指标数目的3倍，如果将这些因素全部考虑进去，可能会因为指标之间有相关性而降低DEA方法的评价效果，如果片面地选取几个指标，也会致使结果不具有参考意义。那么对这些因素的整合和提取就显得尤为重要，邓春等人（2017）利用因子分析法提取到综合指标，对西南沿海港口群的港口竞争力进行得分的排名，找出海南港口发展的优势和劣势[16]。赖成寿等人（2018）在评价我国港口生产效率时，为确保指标不重复，对投入和产出变量进行因子分析，使分析更具有客观性[17]。而营商环境是指市场主体从进入市场到退出过程中，涉及到的所有内外部环境的总和，上文中提到的港口城市所处的经济环境、法制体系、政策支持与否，这都在世行评价“跨境贸易”这一项指标体系的考虑当中，如果以“跨境贸易”这一指标的分数来代替宏观环境的多个因素，既省去了对多个影响因子的提取，又全面，而且上海跨境贸易这一指标的改善对港口发展有很大的促进作用。

除了“软环境”，港口的硬件设施也是至关重要的，码头的泊位和码头长度都是港口规模的体现，也是船代和货运公司考虑的重要因素，但由于Super-SBM-DEA以及对DMU的数量要求是不少于指标数的3倍，因此这里选取码头长度（万米）作为港口设施中的投入变量。

综上，本文将营商环境报告中上海“跨境贸易”指标的分数（x1），沿海码头长度（x2）作为投入变量，产出变量分别为集装箱吞吐量（y1）和货物吞吐量（y2），选取2006～2018年上海港口的相关数据，数据来源为《上海统计年鉴》和历年官方发布的营商环境报告。

3 实证与结果分析

3.1 实证数据如表1所示。

3.2 测算结果。通过使用DEAP2.1软件和DEA-Solver-Pro 5.0软件，对上海港口的数据先后进行两次分析，首先利用基于市场可能集规模收益可变的产出导向的BCC模型，发现结果中不只有一个有效单元，进而使用DEA-SOLVER软件进一步测算，利用超效率Super-SBM-DEA中的非径向角度可变规模收益模型，表2显示了上海港口每年的投入产出效率情况。

3.3 结果分析。通过三种DEA模型的测算，各年的DMU结果如图1所示。

在DEA的BCC模型分析下，2013年，2017年和2018年各效率指标均为1，为DMU有效，说明这些年份的投入和产出比例合适，港口管理者和码头公司等经营主体都充分利用了港口的宏观环境和设施投入。其余年份规模效率均小于1，是无效的DMU。2006～2018年，上海港口的综合效率有波动，2006～2008年呈下降趋势，2008年成为近十几年来最低，当时爆发的金融危机使得各国的经济都受到了影响。纯技术效率和投入规模均有不同程度的下降，且一直处于规模递增阶段，说明加大资源的投入将能提高港口的运营效率。然后从2010年综合效率开始上升，在2013年达到了最优，随后又下降，从2016年开始上升，2017和2018年连续两年有效。纯技术效率处于波动状态，效率值从2006年的1经过三次起伏，最终在2017年回到1。规模报酬效率总体趋势呈现“金字塔”型，先升再降，最后升至平稳有效状态保持不变，除了2006年和2009年，其余年份均处于0.95～1之间，整体水平较高。从历年的纯技术效率和规模效率的变化情况可以发现，总体上纯技术效率的平均值大于规模效率，表明上海港口总体资源配置率较高，投入的规模效率有待提高。2006～2018年的综合效率平均值为0.905，纯技术效率值0.932，小于规模效率平均值0.971，三者都没有达到单元有效。

在SBM-DEA模型下，波动较BCC模型更大，整体趋势和超效率SBM模型相近，但是效率最优值为1，因此出现不同年份效率值相同而无法比较的情况。在超效率Super-SBM-DEA模型下，进一步对有效单元效率进行统计，对2013，2017和2018年效率值更精确地计算，进一步排序得到，2017年效率值最高，其次是2006年、2013年，2018年效率值排名第四。

4 结论与建议

4.1 结论。通过DEA的BCC模型和Super-SBM-DEA模型对上海港口从2006～2018年的运行效率进行测算，并且将上海营商环境之一的指标—“跨境贸易”的分数作为港口宏观环境的评价指标，构建上海港口效率评价体系。结果表明：（1）上海港口的综合效率只有3个年份达到了单元有效，平均值为0.905，可以看到主要是纯技术效率不足导致的，平均值仅为0.932，具体可以分为3个阶段。（2）第一阶段，2006～2009年，规模效率不断上升，纯技术效率的下降引起综合效率也处于下降阶段，这段时期港口的信息化建设处于起步阶段，营商环境的改善没有产生实质性的便利，通关效率未得到充分提高。第二阶段，2010～2014年，规模效率处于整体下降趋势，综合效率不断提高，这是纯技术效率做出的贡献，说明投入产出比例未得到平衡，港口没有对规模予以适当控制。第三阶段，2014～2018年，纯技术和规模效率都在稳步上升，综合效率在2017年实现有效，并持续保持，说明港口充分利用了大环境带来的机遇和基础设施的便利，在对标国际先进标准的目标下，建立“单一窗口”，降低收费标准，切切实实地提高了港口的运行效率，同时对资源进行重新分配，在资源配置上提高效率。

表1 上海2006～2018年港口数据

表2 各评测单元效率得分

图1 各单元效率情况

4.2 建议。尽管上海港口在2017和2018年两年都实现了综合效率有效，但是从前面几年来看，依然存在波动的情况，为更好提高港口的运行效率，提出以下建议：（1）提高投入资源的回报率，港口管理部门的信息化水平有待进一步提高，普及中小企业“单一窗口”的使用。从企业获得感的角度出发，充分发挥营商环境的效用，减少中间环节，在降低收费的同时对各项费用明细公开。推进“智慧港口”的建设，深化“放管服”改革，优化港口的商业环境。同时加快基础设施建设，港口泊位和码头的长度等设施规模适当扩大，硬件环境必须和“软环境”同步配比，实现1+1大于2的效果。（2）整合港口资源，合理规划港口作业、企业需求和物流模块的协作，充分利用B2C以及区块链技术，协调政府的宏观调控，避免资源浪费和投入冗余，以科学发展的视角推进港口发展，与内陆城市经济和外贸经济实现内外联动，加强与周边港口的融合发展，这是迎接全球港口以及航运市场所必要的一步（王生，2019）[18]，发挥中国作为世界第一大贸易国的优势，体现上海港作为中国先进港口的优越性。